| dc.description.abstract | Kentang merupakan salah satu tanaman yang paling banyak diproduksi dan dibudidayakan
di Indonesia, karena kentang mempunyai nilai gizi yang sangat tinggi. Supaya
budidaya/produksi tanaman kentang memiliki kualitas yang baik, banyak orang dari
kalangan petani, peneliti hingga pemulia tanaman berusaha agar mengeksplorasi dan
memahami karakteristik sumber resistensi baru, salah satunya yaitu peranan trikoma sebagai
mekanisme pertahanan pada tanaman. Trikoma merupakan bagian berupa rambut-rambut
halus yang melapisi begian terluar pada daun tanaman yang berfungsi sebagai penghalang
fisik dan kimia. Identifikasi dan kuantifikasi pada trikoma biasa dilakukan peneliti dengan
perhitungan manual. Pekerjaan seperti ini tentunya akan menghabiskan banyak waktu dan
tenaga serta tidak efektif. Maka dari itu kebutuhan akan adanya sistem yang dapat
melakukan deteksi dan kuantifikasi trikoma secara otomatis sangat diperlukan agar
identifikasi dan kuantifikasi pada trikoma tidak lagi dilakukan secara manual dan dapat
dilakukan dalam waktu yang cepat. Penelitian ini menggunakan pendekatan deep learning
untuk melatih model agar dapat melakukan deteksi dan kuantifikasi objek berupa trikoma.
Arsitektur model yang digunakan yaitu YOLOv8. Dari hasil proses training yang telah
dilakukan diperoleh hasil nilai mean average precision (mAP) pada treshold confidence =
50 yaitu 0,816 sedangkan nilai mAP pada treshold confidence = 90 yaitu 0,38. Dari model
ini diharapkan dapat membantu pakar atau peneliti dibidang pertanian dalam melakukan
identifikasi trikoma sehingga dapat mengoptimalkan hasil panen tanaman. | en_US |
